终于不用在 Twitter、CMC 和 K 线图之间来回切屏了。
更多动态
广告投放测素材测到头秃? Arcads 成功实现把“拍视频”
变成了“跑脚本”。 靠它 2 小时搞定了原本需要拍两天的 A/B 测试的素材量。 它把“找演员+背词+拍摄”给 API 化了: 1️⃣ 批量裂变:我写好 1 个脚本,选 5 个不同风格 AI 演员,一键生成多语言版本。对于不想露脸的内容创作者,省了制作成本。 2️⃣ 场景避坑:亲测它最适合讲 SaaS 或 App 痛点。如果你是卖衣服鞋子这种强实物展示的,还是得自己拍 B-Roll 混剪,光靠它生成的有点“干”。 虽然成片还得进剪映细调字幕节奏,但作为素材“底料”绝对够了。 大家现在做海外投放,素材本地化是外包还是用 AI 搞? #AI工作流 #独立开发 #Arcads #增长黑客 #出海营销

我用 Karpathy 刚发的 llm-council 跑了几天代码
,复杂任务的一次通过率直接翻倍。 这种让大模型「互喷」的思路,才是我心中未来 Agent 该有的样子。 1️⃣ 像极了公司开会:丢一个 Prompt 进去,不仅让 Claude、Gemini、GPT 各自回答,最绝的是第二步「匿名互评(Peer Review)」。我就亲眼看着 Claude 犀利指出了 GPT 代码里的逻辑漏洞,这在单一大模型里很难遇到。 2️⃣ 实战场景:写某个功能单用 GPT 调试了三次都不通。我把需求丢进 llm-council,一轮辩论后,「主席」模型直接给出了融合各家优点的最终方案,把 Bug 揪出来了。 虽然多花点 Token 钱(毕竟要调多次 API),但比起半夜修 Bug 的痛苦,这笔账绝对算得过来。 #AI工作流 #独立开发 #Karpathy #LLM #效率工具

美团 LongCat-2.5发布了。
1.6T 总参、激活约 48B,原生多模态,主推长程智能体,全程国产算力训练。 图像量化成多级离散 token,Visual Coding 与 3D 受益。 大规模长程 RL,把失败轨迹转成可验证训练任务。 W4A4 推理,prefill 吞吐提升 43%。 官方自测介于 Claude-Opus-4.8 与 Opus-5 之间。

商汤开源 SenseNova Loop-9B-Preview。
它不堆参数,堆"层数"。32 层解码器,中间 4–27 层同权重跑两遍 → 前向 56 层计算,只存 9B。 自测 BIRD-Dev 71.38、AutomationBench 13.72,超 Qwen3.5-27B;Terminal Bench依旧落后。
